现如今,在这个集体安全意识觉醒的社会中,针对人员个体的视频监控系统拥有庞大的需求量。随着智能新科技的蓬勃发展,人工智能因其高效的设计方式、灵活的运用手段等优势,使得广大研究人员集中精力探索其中的奥秘。作为人工智能领域的一个重要分支,计算机视觉被广泛应用于智能安防监控场景中。在大型公众场所的安防监控系统中,会出现重点行人隐匿在人群中或是消失在监控画面中的情况,此时通过肉眼往往难以快速准确的在海量视频监控数据中寻找到目标人员。为了使计算机像人类一样理解和描述监控图像中的场景,并高效获取重点人员出现在不同区域时的精准定位信息,常使用跨镜追踪算法进行跨镜头、跨区域的行人检索。目前在跨镜追踪研究领域常常把光照条件良好设定为基本条件,即忽略夜间监控场景的需求,然而这并不符合实际应用场景。在夜间视频监控场景下一般采用的是红外摄像头,传统的基于可见光图像的跨镜追踪算法进行跨区域的行人检索极为困难。本文对于红外图像的行人检测方法以及基于可见光图像与红外图像的行人重识别方法进行了系统的分析和研究,主要工作内容列举于此:（1）研究了计算机视觉领域的基本理论,包括卷积神经网络的组成结构、目标检测算法在行人检测任务中的适配以及行人重识别网络的类别与改进基本点。（2）本文在一阶段检测方法YOLOv5的基础上,引入小目标检测模块,并将其用于红外图像的行人检测任务中,在保证行人检测满足实时性需求的同时,有效提升了对于图像中微小行人的检测精度。通过在红外图像数据集FLIR上的实验结果表明,本方法能够胜任红外图像行人检测任务。（3）本文提出一种基于模态内引导的跨模态行人重识别网络,先对不同模态的图像分别进行特征提取,再将提取到的特定模态特征进行共享特征提取;同时引入模态内引导损失,共同约束跨模态行人重识别网络模型的训练,从而实现在特征层施加约束,在提高两种模态图像统一性的同时,也加强了模态内部的可区分性。在公共数据集SYSU-MM01和Reg DB上的实验结果表明,本文方法具有较高的准确度。